[发明专利]一种目标对象的风险识别方法、装置和处理设备

说明书

本说明书提供一种目标对象的风险识别方法、装置和处理设备。一个方法实施例中，可以按照一定的更新频率获取模型的训练数据中的相对固定的数据，再结合实时的特征数据一同输入模型进行模型的局部更新，进而可以实现模型的实时更新。利用本说明书实施例的风险识别模型，可以提高训练效率和模型的更新速度，提升模型的预测效率和预测效果。

技术领域

本说明书实施例属于计算机数据处理领域，尤其涉及一种目标对象的风险识别方法、装置和处理设备。

背景技术

随着计算机网络的快速发展，大数据金融、第三方支付、区块链金融等网络金融企业也迅猛发展。出于利益诱惑，越来越多的不法分子利用企业账户进行套现、诈骗等犯罪行为，欺诈风险不断出现。为此，现有中常常采用一些现有的机器学习算法进行风险识别，预警网络欺诈风险。

目前现有方案采用的机器学习算法主要是获取企业的一些特征数据，然后进行离线模型的训练，训练完后的模型投入到线上使用，在终端设备中输出预测结果。

发明内容

本说明书目的在于提供一种目标对象的风险识别方法、装置和处理设备，可以及时更新模型得到训练数据和模型本身，提高模型预测的时效性和输出的预测结果的准确性。

本说明书实施例提供的一种目标对象的风险识别方法、装置和处理设备是通过包括以下方式实现的：

一种目标对象的风险识别方法，包括：

以预先构建的目标对象的知识图谱中的实体为节点、实体之间的关系数据为边，利用选取的图神经网络算法对所述知识图谱进行分类处理，获取节点的图向量数据；

获取目标对象最新的风险特征数据；

将所述风险特征数据与所述图向量数据作为选取的风险识别模型的输入数据进行训练，得到更新后风险识别模型；其中，所述图向量数据按照预设频率更新；

基于更新后风险识别模型识别目标对象中存在风险的节点。

一种目标对象的风险识别装置，包括：

固定特征模块，用于以预先构建的目标对象的知识图谱中的实体为节点、实体之间的关系数据为边，利用选取的图神经网络算法对所述知识图谱进行分类处理，获取节点的图向量数据；

变化特征模块，用于获取目标对象最新的风险特征数据；

更新模块，用于将所述风险特征数据与所述图向量数据作为选取的风险识别模型的输入数据进行训练，得到更新后风险识别模型；其中，所述图向量数据按照预设频率更新；

风险识别模块，用于基于更新后风险识别模型识别目标对象中存在风险的节点。

一种处理设备分片处理设备，包括：至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现本说明书中任一实施例所述的方法。

本说明书实施例提供的一种目标对象的风险识别方法、装置和处理设备，可以按照一定的更新频率获取模型的训练数据中的相对固定的数据，再结合实时的特征数据一同输入模型进行模型的局部更新，进而可以实现模型的实时更新。利用本说明书实施例的风险识别模型，实现了目标对象数据特征的实时性和模型更新的实时性，提高了训练效率和模型的更新速度，提升了模型的预测效率和预测效果。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1是本说明书提供的一个目标对象的风险识别方法的流程示意图；